ディープラーニングを活用して世界の気候変動を97%の精度で予測する手法を京都大学の研究グループが開発しました。過去の気温データから生成した「疑似カラー画像」を学習する方法を使っています。
気候変動の予測は、これまでは膨大な量のデータを使ってスーパーコンピュータで物理計算を繰り返す方法が主流でした。
気候変動は今世紀最大の環境問題ともいわれており、各国の政府が国家プロジェクトとして進めています。
しかし、物理計算の根拠となるデータが不完全なことや、地球全体を細かく計算するほど精細なシミュレーションモデルが必要となること、さらに気候変動に関する新たな知見が発見されるたびにそれを数値化してモデルに組み込む必要があり、モデルを複雑かつ不安定なものにするなど、課題も少なくありません。また、モデルが複雑になるほど研究者のバイアスが混入する危険性が出てくる問題もあります。
そこで今回、従来とは異なるディープラーニングを用いた方法によって、世界の将来の気温を予測する手法を開発しました。
この手法では、イギリスのClimate Research Unitが提供している過去の気温データを取得して、全世界の各地点のデータから連続した30年分を抜き出し、疑似カラーの2次元画像を生成しました。
縦軸に1月から12月の各月の温度を、横軸に年ごとの温度を配置した図で、色は温度の高低を表しています。
このような画像を数万から数十万枚生成して、その特徴をディープラーニングで学習させました。
その結果、最大97%の精度でその後10年の平均気温が上がるか、下がるかを予測することに成功しました。
下の図は、2016年までの気温データを使ってその後10年の平均気温が上がるか下がるかを予測したものです。
地球規模で見ると、明らかに温暖化が進んでいます。しかし10年程度の範囲でみれば、温度上昇は比較的緩やかであったり、あるいは気温が下がる地域もあることが確認されました。
このように、地域ごとの気候変動の違いを予測することで、今後の気候研究や温暖化対策の進展に貢献することが期待されています。
今回の研究では、気温が「上がるか下がるか」のみに限定した実験が行われましたが、今後は「何度上がるか」の予測を実現するとしています。
また、気温以外のデータも利用することで、さらに高精度な予測も可能になると期待されます。
